多源数据的文献计量功能发展及其比较研究
朱 雯，陈 荣，孙济庆（华东理工大学科技信息研究所）
摘 要： 文章将文献计量功能的发展分为简单排序计量、指数化和模型化、可视化和智能化三个阶段，以多源数据——学术搜索引擎（谷歌学术、百度学术）和学术数据库（Web of Science、Scopus、中国知网和维普数据库）为研究对象，分析学术搜索引擎和学术数据库文献计量功能的发展特点及其差异，并从数据来源、计量内容、计算方法、结果呈现方式四个方面比较学术搜索引擎和学术数据库的文献计量功能。结果发现：学术搜索引擎和学术数据库的文献计量功能均发展到可视化和智能化阶段，学术数据库在计量种类以及计量结果呈现的可视化方面优于学术搜索引擎，学术搜索引擎的数据来源广于学术数据库，且二者均需加强知识语义和文献关系的计量。
关键词： 多源数据；学术数据库；学术搜索引擎；文献计量功能
1 引言
20 世纪中叶，人们就已经意识到信息研究的关键是准确地度量信息，而文献计量学作为与信息科学关联的定量研究领域，［1］其与科学计量学、信息计量学、网络计量学和知识计量学既有联系又有区别。［2-4］文献计量学是信息计量学的基础，科学计量学的成果形成了信息计量学的重要内容和发展基础，网络计量学和知识计量学是文献计量学在新时代的发展。目前，文献计量学在数字文献资源应用、信息检索等方面已得到广泛应用，［5-9］一方面，提高了文献检索的效率和效果，为学术影响力的评价提供数据支持；另一方面，有力助推了学术检索系统的大数据技术的繁荣发展。在此时代背景下，学术文献检索系统作为信息时代的产物，人们对其提出了更高的要求。
Morris 等人指出基于某种关系的科学计量方法只能从某一方面反映出对科学领域的有限认识。［10］伴随着科技文献数量的爆炸式增长以及文献类型的不断丰富，来自新渠道、新载体的新的数据类型源源不断的产生，拓展了可供科学计量分析的关系类型，而如何充分利用当前多类型的数据和多种计量关系，并对多源数据的文献计量功能进行优化，则成为提高科学计量分析能力的重要突破方向之一。
目前，多源数据还没有一个较为统一的概念，参照化柏林［11］、许海云［12］等人的研究，笔者认为多源数据是指不同类型的来源信息或关系数据。在此基础上，将学术数据库和学术搜索引擎作为多源数据的研究对象。这里的学术数据库是指在计算机可读介质上，使用一定方法将学术类信息组织起来的信息集合，［13］其研究主要集中在检索方法、收录范围、检索结果分析比较等方面；［14-17］而学术搜索引擎是指通过组织、管理和维护网络中的学术信息，用户经一个检索入口，便能快速获取网络学术信息，［18］其研究主要探讨文献来源、检索功能、检索结果以及其与传统数据库的差别。［19-22］
综观多源数据的相关研究发现，目前的研究较多聚焦于利用多源数据的文献数据进行文献计量分析，［23-26］而对其文献计量功能的研究涉及较少。本文以学术搜索引擎（谷歌学术、百度学术）和学术数据库（Web of Science、Scopus、中国知网和维普数据库）为研究对象，在研究多源数据的文献计量功能发展历程的基础上，从数据来源、计量内容、计算方法和结果呈现方式四个方面比较学术搜索引擎与学术数据库的文献计量功能，分析文献计量功能的发展特点及其差异，旨在促进学术搜索引擎和学术数据库完善文献计量功能，提高用户的使用效率，为学术研究提供更为科学准确的文献计量结果。
2 多源数据的文献计量功能发展历程
从20 世纪80 年代第一次出现文献计量功能——“检索结果排序”起，学术搜索引擎和学术数据库的文献计量功能已经发展了近40 年，大致可以分为三个阶段。① 简单排序计量阶段（20 世纪80－90 年代）。20 世纪80 年代，光盘数据库出现，单一的检索功能已不能满足用户需求，出现文献发表年份排序等功能，方便用户筛选出所需文献。此时的文献计量功能为简单计量阶段，主要表现为相关性排序、发表年份排序等。②指数化和模型化阶段（20 世纪90 年代末－2009 年左右）。20 世纪90 年代末，网络版检索系统出现，用户可以在短时间内检索到全球的文献，系统实现了简单文献分析功能，如索引词分析等。此时的文献计量功能从简单排序计量转向简单分析计量，计量内容不断完善。随着学科的不断成熟，评价学术影响力的需求越来越大，不同数据源开始利用自身数据资源优势，构建了各种复杂的评价指标模型，如影响因子、h 指数等。③ 可视化和智能化阶段（2009 至今）。［27］知识经济的发展以及可视化技术的成熟，不同数据源更加重视知识语义的挖掘，在结果呈现方面更加多样化。如利用可视化技术显示某领域论文发展数量年度分布、关键词共现网络等。
2.1 学术数据库的文献计量功能发展历程
综上所述，梅毒酶联免疫吸附法适合标本量比较大的检测，梅毒甲胺红不加热血清反应适用于梅毒治疗效果观察，梅毒螺旋体明胶颗粒凝集适用于梅毒甲胺红不加热血清反应和梅毒酶联免疫吸附法检出标本的验证检测，三种检测方式结合应用，可以降低误诊率与漏诊率，具有临床推广价值。
随着知识经济时代的到来，文献的内容价值受到学者们的重视，学术数据库凭借着深厚的数据资源，对文献的关键词、主题词等进行计量分析，计量结果的显示方式从单一的列表方式向可视化方式发展，如中国知网的关键词共现网络图等。
随着文献数据量的不断扩大，数据库的检索功能日益完善。如检索结果排序功能，以列表的形式将检索到的文献按照文献的类型、文献的作者、刊载文献的出版物等内容进行排序，供用户筛选。
从学术数据库文献计量功能发展历程看，主要经历了简单排序计量、简单分析、复杂的评价指标分析以及可视化和智能化分析几个阶段，目前文献计量功能发展到第三阶段。
谷歌学术是谷歌旗下免费的学术搜索平台，2004年11 月发布了第一个Beta 版，2006 年1 月扩展到中文学术文献领域，2012 年推出谷歌学术计量，用来评价各个领域杂志的影响力。该系统主要包括h 指数、h核心（h-core）、h 中值（h-median）等。［28］
从插秧和铲、担秧的公式中，每插一亩秧可得28分，每铲、担一亩秧得12分，也就是说，这一系列工作做完有40分，一天插一亩田正常需要4个一级工，每人插0.25亩，而十队当天出工的社员大部分都是二、三级工，平均每人插了0.29亩。此外，十队所插的田是分布在四个不同地方，这其中距离的远近也会对工作效率产生影响。即便如此，当天的劳动效率还是高于正常劳动水平。
评价分析功能是指学术数据库利用自身引文数据等评价期刊或作者等的学术影响力，如Web of Science中的期刊影响因子、中国知网的作者h 指数、维普数据库的平均引文率、Scopus 的CiteScore 等。
1．4 诊断标准［2］ CH和PKU：可疑阳性病例召回后即取静脉血，采用化学发光法检测甲状腺功能。凡TSH增高伴FT4下降，确诊为CH；而TSH增高，FT4正常者，诊断为高TSH血症。PKU诊断标准：凡Phe＞120μmol／L，并且经四氢生物蝶呤（BH4）负荷试验和尿蝶呤分析确诊为PKU或BH4缺乏症。其他遗传代谢性疾病：召回可疑病例，根据不同疾病选择尿喋呤谱分析、血糖、血液酸碱度、电解质、血氨、血液中相应氨基酸含量、酯酰肉碱浓度、尿中代谢产物的含量测定、基因突变分析等以明确诊断。
2.2 学术搜索引擎的文献计量功能发展历程
与学术数据库相比，学术搜索引擎起步较晚，目前学术搜索引擎的文献计量功能也已发展到第三阶段。学术搜索引擎在学术数据库已有的文献计量功能基础上，不断完善计量内容，开发了具有自身特色的计量产品。
章学诚《校雠通义·汉志诗赋略第十五》云：“古之赋家者流，原本诗骚，出入战国诸子……故其叙列诸家之所撰述，多或数十，少仅一篇，列于文林，义不多让，为此志也。然则三种之赋，亦如诸子之各别为家，而当时之不能尽归一例耳”〔1〕1064
（1）共同点主要有三个方面。①目的相同，均是评价学术影响力或为学术研究提供数据支持。②评价指标的数据主要来源于被引次数。③计算公式主要有三种：一是简单求和的计算方式，如期刊被引量等；二是计算平均数，如影响因子等；三是计算中位数，如h 指数等。
抓在日常 严在经常（吴晓英） ........................................................................................................................1-53
3 多源数据的文献计量功能比较
本文从数据来源、计量内容、计算方法、结果呈现方式四个方面对多源数据的文献计量功能进行比较。
（1） 数据来源是文献计量功能的基础，不同的数据来源是导致文献计量结果产生差异的重要原因之一。本文主要从文献种类、文献数量、学科范围、时间范围和国家范围五个方面比较学术搜索引擎和学术数据库的数据来源，旨在探析导致文献计量差异的原因。
（2） 计量内容是文献计量功能的重要组成部分，主要根据文献的外部特征和内容特征进行计量。文献的外部特征计量是基于文献的机构、作者、出版单位、来源等进行计量，主要有简单计数统计和评价指标统计两种统计方式。简单计数统计是指学术搜索引擎或学术数据库对文献数量、下载量、被引量等的计数统计；评价指标统计是指学术搜索引擎或学术数据库利用特定数理模型进行计量分析，评价对象一般为作者和期刊。文献的内容特征计量是基于关键词、主题词、摘要等的计量。通过计量文献内容特征，可以了解某篇文献的重点研究内容以及相关研究点的研究进展等。
（3）计算方法是文献计量内容的基础，其主要包含两种计算方法：① 利用相关计算机软件进行统计发文量、被引量、词频等计数统计；② 利用文献信息计量学基本规律的数学表达式和相关计算机软件建立数学模型。［27,29］
百度学术是百度旗下的免费学术搜索平台，旨在将资源检索技术和大数据挖掘分析能力运用于学术研究，自2014 年成立以来推出了研究点分析、相关热搜词分析，具有深入计量文献的内容特征。
（4）结果呈现方式是学术搜索引擎或学术数据库将计量得到的结果呈现出来的方式，而可视化是呈现计量分析结果的关键性技术路径。［30］除可视化方式外，还包含表格方式。表格方式是利用表格显示特定数据，以列表呈现的计量内容主要有时间分布、语言分布、资源类型分布、学科分布、来源分布、作者分布、机构分布、国家/地区分布、各参考文献、引证文献、相关文献等。可视化方式是通过图形和图像的方式显示特定的数据，并进行相应的交互处理。［31］根据可视化图形图像描述的信息特征关系不同，可视化分为纵向可视化、横向可视化和交叉可视化三种主要形式。［32］纵向可视化表现的是某一计量内容随时间变化的状态，用柱状图、条形图、折线图、散点图等表示；横向可视化表现的是在同一时间状态下不同计量内容之间的相互关系，用柱状图、条形图、网络图等表示；交叉可视化表现的是纵向可视化与横向可视化相结合后的总体数据的状态，用网络图或知识图谱表示。
3.1 数据来源
本文对学术搜索引擎和学术数据库收录的数据来源进行检索查询，检索截止时间为2018 年4 月1 日，结果见表1。从表1 中可以看出学术搜索引擎中的引文数据来源大于学术数据库，谷歌学术和百度学术收录的文献数量较大，学科、时间以及国家覆盖范围广于学术数据库。原因是学术搜索引擎是网络中学术文献信息的第三方集成平台，仅提供网址链接，不提供文献全文，所以数据来源广泛；而学术数据库是数据库商与出版社等建立合作关系，将这些机构出版的期刊、图书等资源进行数字化处理，集成在数据库内部，其数据来源少于学术搜索引擎。
比较两组患者干预后自我效能、自我管理能力及生存质量情况。其中自我效能采用自我效能量表进行评定,评分越高表示自我效能越好,预后越理想;自我管理行为则采用自我管理行为量表进行分析,共包含治疗、饮食、日常活动、社会心理等四个方面,分值越高表示自我管理行为越好;生存质量则以健康状况问卷(SF-36)进行评估,分值越高表示生存质量越好[1]。
表1 学术搜索引擎和学术数据库的数据来源
3.2 计量内容
从表2 中可以看出，① 简单计数统计方面，学术搜索引擎和学术数据库均计量资源数量、发文量、被引量等，但学术数据库的计量内容种类多于学术搜索引擎，除此之外，Scopus 计量数据库之外的文献阅读量，如提供文献社交媒体的阅读量；② 评价指标统计方面，学术搜索引擎和学术数据库均包含期刊和作者等影响力的计量；③ 中国知网注重提供合作作者网络图等计量内容，百度学术提供了研究点分析等计量内容；④ 在内容特征计量方面，谷歌学术不涉及内容特征计量，中国知网和维普数据库重视挖掘各关键词之间的关系，并提供专利研究热点气泡图等。
3.3 计算方法
由于内容特征计量涉及的数学模型较复杂，故本文仅探讨学术搜索引擎和学术数据库中简单计数统计和评价指标统计的计算方法。研究发现，学术数据库的简单计数统计和评价指标统计的主要方法与学术搜索引擎相似，但也存在一些不同点。
表2 学术搜索引擎和学术数据库的计量内容
马克思主义理论与高校大学生的自我发展息息相关。高校思政教育只有正确揭示马克思主义的理论本质、时代内涵和当代价值，大学生才能深刻理解马克思主义理论与自我成长的关联，主动拓宽自身理论视野，自觉坚定马克思主义信仰，增强高校思政教育的效果。
当然，权衡各种纠纷解决机制，在保护投资者权益方面，应该坚持以诉讼为主导的思路。可以借鉴2003年《最高人民法院关于审理证券市场因虚假陈述引发的民事赔偿案件的若干规定》中的做法，引入有限制的举证责任倒置规则，一定程度上解决投资者举证困难的问题。此外，我国还应尽快出台专门针对金融投资者权益保护的法律法规或司法解释，从而为法官审理案件提供统一的司法依据。
（2）不同点主要有两个方面。① 引文数据来源不同。学术搜索引擎统计的引文数量多于学术数据库，如，维普数据库中学者h 指数的数据来源于期刊；而百度学术学者h 指数的数据来源于期刊论文、学位论文、会议论文、图书、专利等。② 评价指标统计时间范围不同。如，百度学术的影响因子是期刊前2 年发表的文献在当年百度学术中的篇均被引次数；Web of Science 中的立即指数是期刊当年发表的文献在当年Web of Science 中的篇均被引次数；Scopus 中的CiteScore 是期刊前3 年发表的文献在当年Scopus 中的篇均被引次数。
3.4 结果呈现方式
学术搜索引擎和学术数据库的结果呈现方式也各异（见表3）。① 学术搜索引擎和学术数据库的结果呈现均包含表格方式。② 学术数据库结果呈现的可视化方式多于学术搜索引擎。如，谷歌学术不包含可视化方式；而学术数据库中的四大研究对象均包含可视化方式。百度学术包含纵向、横向和交叉可视化方式，可视化形式多样；Web of Science 和Scopus 以纵向可视化为主，可视化形式较单一；而中国知网和维普数据库还注重知识图谱的构建，维普数据库将领域、作品、机构、作者、主题等放于同一张知识图谱中，直观地显示了各结点之间的关系，同时在任意一个结点，还可以发现与之有关系的结点（见下图）。
表3 学术搜索引擎和学术数据库的结果呈现方式
图 维普数据库的交叉可视化方式
4 总结与建议
4.1 总结
本文以多源数据——学术搜索引擎（谷歌学术、百度学术） 和学术数据库（Web of Science、Scopus、中国知网和维普数据库）为研究对象，从计量功能发展历程和功能比较两个方面分析学术搜索引擎与学术数据库文献计量功能的特点及其差异，发现目前学术数据库和学术搜索引擎的文献计量功能已发展至可视化和智能化阶段，而学术数据库的文献计量功能优于学术搜索引擎。
（1）计量功能的发展历程。学术数据库的计量功能起步较早，经历了简单排序计量、指数化和模型化、可视化和智能化三个阶段，结果呈现方式则从单一的表格呈现方式发展到可视化的呈现方式。相对而言，由于学术搜索引擎起步较晚，在学术数据库已有的文献计量功能基础上，其着重于深入挖掘文献内容，为评价学术影响力推出一系列评价指标。
（2） 计量功能的比较。① 数据来源。学术搜索引擎的数据来源多于学术数据库，但数据来源质量有待考量。②计量内容。一方面，学术数据库的计量内容种类多于学术搜索引擎，二者也越来越重视在大众社交类（如社交媒体的文献阅读数）、使用统计类（如下载次数） 数量的计量；另一方面，学术数据库与学术搜索引擎不断完善影响因子和h 指数的缺点，提出了5 年影响因子、h5 指数、半衰期、CiteScore等。③计算方法。学术数据库在简单计数统计和评价指标统计方面与学术搜索引擎相似，但在引文数据来源和评价指标统计时间范围与学术搜索引擎不同。④结果呈现方式。学术搜索引擎与学术数据库在表格呈现方式方面无差异，但在可视化显示方面存在显著差异。如，谷歌学术不包含可视化方式，而维普数据库包含纵向、横向以及交叉三种可视化方式。
4.2 建议
（1）加强社交媒体使用量的计量，以弥补被引量延迟问题。随着互联网的普及以及各种社交媒体软件的广泛使用，单一形式的文献传播方式已不能满足人们的需求，出现了多种形式的文献传播方式，如微信、微博、Twitter 等。因此，不能使用单一的被引次数来评价学术影响力，学术搜索引擎与学术数据库应加强社交媒体使用量等的计量，以此来弥补被引量延迟等问题，为全面地评价学术影响力提供数据支持。
（2）构建具有社会影响力的计量内容，深入探讨主体间的相关关系。学术搜索引擎与学术数据库均提供了一些计量内容，但某些计量内容在学术界并没有得到广泛使用，如百度学术的研究点分析。因此，学术搜索引擎与学术数据库需要构建具有社会影响力的计量内容，如，学术搜索引擎网罗文献信息的各个社交媒体使用数据（如微博等网站的阅读数），优先提供文献的社会影响力评价指标，为全面评价学术影响力提供数据支持；而学术数据库深入挖掘作者合作网络关系，为探讨新型作者合作模式提供参考借鉴。
（3） 深入挖掘文献知识语义，优化可视化方式。目前可视化技术比较成熟，但在学术搜索引擎中的应用范围较窄。未来学术搜索引擎需要加强可视化方式，多元化呈现计量结果，学术数据库要不断完善可视化技术，深入挖掘文献的知识语义，将可视化技术运用于显示各个知识元之间的相互关系，有利于系统更好地为用户提供知识服务以及帮助用户发现更多相关研究点，以拓宽研究思维。
［参考文献］
［1］Egghe L.Expansion of the field of informetrics：Origins and consequences［J］.Information Processing＆Management，2005，41（6）：1311－1316.
［2］ W.Glänzel，U.Schoepflin.Little scientometrics，big scientometrics.and beyond？［J］.Scientometrics,1994，30（2－3）：375－384.
［3］ Hood W W，Wilson C S.The Literature of Bibliometrics，Scientometrics，and Informetrics［J］.Scientometrics，2001，52（2）：291.
［4］ Mckiernan G.Bibliometrics，Cybermetrics，Informetrics and Scientometrics sites and sources［J］.Science＆Technology Libraries，2005，26（2）：107－115.
［5］明均仁，等.国外移动图书馆研究的文献计量分析［J］. 图书馆论坛，2014，34（12）：124－130.
［6］ 李贺，等.基于文献计量的大数据研究综述［J］.情报科学，2014，32（6）：148－155.
［7］张洋，弋云.应用网络信息计量指标测定我国图书情报学核心网站的实证研究［J］.图书情报知识，2011（1）：82－87.
［8］Wolfram D.The symbiotic relationship between information retrieval and informetrics［J］.Scientometrics，2015，102（3）：2201－2214.
［9］ Zhou Q，et al.A general framework for describing diversity within systems and similarity between systems with applications in informetrics［J］.Scientometrics，2012，93（3）：787－812.
［10］ Morris S A，Van der Veer Martens B.Mapping research specialties［J］.Annual Review of Information Science And Technology，2008，42（1）：213－295.
［11］化柏林，李广建.大数据环境下多源信息融合的理论与应用探讨［J］. 图书情报工作，2015，59（16）：5－10.
［12］ 许海云，等.科学计量中多源数据融合方法研究述评［J］.情报学报，2018，37（3）：318－328.
［13］罗春荣.国外网络数据库:当前特点与发展趋势［J］. 中国图书馆学报，2003，29（3）：40－50.
［14］ Wan J K，et al.The journal download immediacy index（DII）：Experiences using a Chinese full-text database［J］.Scientometrics，2010，82（3）：555－566.
［15］曾华明.国内三大中文期刊全文数据库述评［J］.农业网络信息，2014（2）：74－76.
［16］ 王军辉，等.国内外部分文献数据库检索系统相关文献功能浅析［J］.中华医学图书情报杂志，2010，19（5）：68－71.
［17］Thelwall M.Dimensions：A competitor to Scopus and the Web of Science［J］.Journal of Informetrics，2018，12（2）：430－435.
［18］刘敏. 中英文学术搜索引擎的对比研究［J］.图书馆学研究，2014（24）：29－35.
［19］ 谢奇，等.五大学术搜索引擎比较［J］.情报探索，2015（11）：42－46.
［20］赵蓉英，陈烨.学术搜索引擎Google Scholar 和Microsoft Academic Search 的比较研究［J］.情报科学，2014，32（2）：3－6，15.
［21］Harzing A W，Alakangas S.Google Scholar，Scopus and the Web of Science：A longitudinal and crossdisciplinary comparison［J］.Scientometrics，2016，106（2）：787－804.
［22］Thelwall M.Microsoft Academic：A multidisciplinary comparison of citation counts with Scopus and Mendeley for 29 journals［J］.Journal of Informetrics，2017，11（4）：1201－1212.
［23］景晶.地区差异视角下的我国高校学科发展现状分析——基于ESI 数据库［J］. 现代情报，2017，37（11）：93－97.
［24］杨兰蓉，郜颍颍.2015 年国际电子政务研究的主题与趋势——基于社会科学引文索引（SSCI）数据库分析［J］.现代情报，2016，36（11）：140－145，153.
［25］ 刘雪立，等.基于论文产出的科研绩效评价——ESI 和InCites 应用研究综述［J］.现代情报，2016，36（3）：172－177.
［26］彭立伟，等.基于WoS 数据库的馆际互借与文献传递研究综述［J］. 图书情报工作，2018，62（12）：125－134.
［27］赵蓉英，赵月华.信息计量工具发展研究［J］.情报科学，2013，31（12）：19－26.
［28］董文鸳.我国谷歌学术搜索研究综述［J］.新世纪图书馆，2011（9）：43－45，52.
［29］ 王知津，姚广宽.三大中文数据库引文功能比较——CNKI、Vip 和CSSCI 实证研究［J］.图书情报知识，2005（3）：61－65.
［30］ 王曰芬.面向知识服务的信息分析及应用研究——以文献数据库为来源［J］.情报理论与实践，2011（3）：54－57，34.
［31］邓满英.信息可视化探讨［J］. 软件导刊，2008（9）：99－100.
［32］赵丹群.试论学术期刊文献数据库计量分析功能的开发［J］. 图书情报工作，2008，52（10）：45－47，96.
Development and Comparative Study of Bibliometric Function of Multi-source Data
Zhu Wen，Chen Rong，Sun Ji-qing
Abstract: The development of the bibliometric function is divided into stages of simple sorting, indexing and modeling, visualization and intelligence. Taking the multi-data source—the academic search engine（Google Scholar, Baidu Scholar） and the academic database（Web of Science,Scopus,CNKI and VIP Database）as research objects,the paper compares the bibliometric functions of academic search engine and academic database from aspects of data source, measurement content, calculation method and result presentation.It is found that the bibliometric functions of academic search engine and academic database have developed into a visual and intelligent stage.The academic database is superior to the academic search engine in the category of bibliometric and the visualization of the measurement results.While,the data sources of academic search engine are more extensive than academic database.And both of them need to strengthen the knowledge semantics and the measurement of the literature relationship.
Keywords： Multi-source Data；Academic Database；Academic Search Engine；Bibliometric Function
中图分类号： G250.74；G254.92
文献标志码： A
文章编号： 1005－8214（2019）10－0066－06
［作者简介］ 朱雯（1994－），女，华东理工大学科技信息研究所硕士研究生在读，研究方向：计量评价；陈荣（1969－），女，华东理工大学科技信息研究所副研究馆员，研究方向：信息计量，专利分析；孙济庆（1952－），男，华东理工大学科技信息研究所研究馆员，研究方向：信息检索。
［收稿日期］ 2019－01－14
［责任编辑］徐 娜
标签：多源数据论文; 学术数据库论文; 学术搜索引擎论文; 文献计量功能论文; 华东理工大学科技信息研究所论文;